医学 AI

A Systematic Benchmark of GAN Architectures for MRI-to-CT Synthesis

一种用于MRI到CT合成的GAN架构系统基准

Alessandro Pesci, Valerio Guarrasi, Marco Alì, Isabella Castiglioni, Paolo Soda

机构 * University of Milan-Bicocca, Milan, Italy（米兰-比科卡大学，米兰，意大利） 纠错

专题命中 医学影像 ：MRI(title,abstract)；CT(title,abstract)；分类 cs.CV

AI总结 本文系统评估了十种GAN架构在MRI到CT合成中的性能，发现监督配对模型表现最佳，多区域训练提升结构鲁棒性，单区域训练则最大化像素精度。

Learning Generalizable 3D Medical Image Representations from Mask-Guided Self-Supervision

从掩码引导自监督学习中学习通用的3D医学图像表示

Yunhe Gao, Yabin Zhang, Chong Wang, Jiaming Liu, Maya Varma, Jean-Benoit Delbrouck, Akshay Chaudhari, Curtis Langlotz

机构 * Stanford University（斯坦福大学） 纠错

专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract)；CT(abstract)；分类 cs.CV

AI总结 本文提出MASS方法，通过掩码引导自监督学习，学习通用的医学图像表示，实现了在不同数据集上的高效分割和分类任务。

Comments CVPR 2026

Brain Tumor Classification from 3D MRI Using Persistent Homology and Betti Features: A Topological Data Analysis Approach on BraTS2020

基于持久同调和Betti特征的3D MRI脑肿瘤分类：一种拓扑数据分析方法用于BraTS2020

Faisal Ahmed

专题命中 医学影像 ：MRI(title,abstract)；medical image(abstract)；分类 cs.CV、cs.LG

AI总结 本文提出利用拓扑数据分析方法，通过持久同调提取Betti特征，对3D MRI图像进行脑肿瘤分类，实验显示随机森林结合Betti特征在BraTS2020数据集上达到89.19%的准确率。

Comments 21 pages, 7 figures

LoV3D: Grounding Cognitive Prognosis Reasoning in Longitudinal 3D Brain MRI via Regional Volume Assessments

LoV3D：通过区域体积评估在纵向3D脑MRI中实现认知预后推理

Zhaoyang Jiang, Zhizhong Fu, David McAllister, Yunsoo Kim, Honghan Wu

专题命中 医学影像 ：MRI(title,abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 LoV3D通过纵向3D脑MRI的区域体积评估，实现认知预后推理，其核心方法是结合3D视觉-语言模型，通过区域解剖评估、纵向对比和诊断输出，提高诊断准确性与泛化能力。

Unsupervised Adaptation from FDG to PSMA PET/CT for 3D Lesion Detection under Label Shift

从FDG到PSMA PET/CT的无监督适应用于在标签偏移下的3D病灶检测

Xiaofeng Liu, Menghua Xia, Yanis Chemli, Georges El Fakhri, Chi Liu, Jinsong Ouyang

机构 * Yale Biomedical Imaging Institute and Department of Radiology & Biomedical Imaging, Yale University（耶鲁生物医学成像研究所和放射学与生物医学成像系，耶鲁大学） 纠错

专题命中 医学影像 ：CT(title,abstract)；分类 cs.CV、eess.IV；biomedical(comments)

AI总结 本文提出一种无监督领域适应框架，用于将训练于FDG PET/CT上的检测器适应到未标记的PSMA PET/CT，通过自训练机制应对标签偏移问题，提升跨示踪检测的鲁棒性。

Comments IEEE International Symposium on Biomedical Imaging (ISBI) 2026

Open World MRI Reconstruction with Bias-Calibrated Adaptation

开放世界MRI重建中的偏置校准适应

Jiyao Liu, Shangqi Gao, Lihao Liu, Junzhi Ning, Jinjie Wei, Junjun He, Xiahai Zhuang, Ningsheng Xu

机构 * Fudan University, Shanghai, China（复旦大学，上海，中国） ； University of Cambridge, Cambridge, United Kingdom（剑桥大学，剑桥，英国） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室，上海，中国） 纠错

专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV、eess.IV

AI总结 本文提出BiasRecon框架，通过最小干预原则实现开放世界MRI重建，通过频率引导先验校准、基于分数的去噪和自适应正则化，实现鲁棒适应。

Multimodal Deep Learning for Dynamic and Static Neuroimaging: Integrating MRI and fMRI for Alzheimer Disease Analysis

多模态深度学习用于动态和静态神经影像：整合MRI和fMRI进行阿尔茨海默病分析

Anima Kujur, Zahra Monfared

专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV、cs.LG

AI总结 本文提出一种多模态深度学习框架，整合MRI和fMRI对阿尔茨海默病、轻度认知障碍和正常认知状态进行多类分类，通过3D卷积神经网络提取结构特征，用递归架构学习fMRI的时间特征，并融合这些表示进行联合空间-时间学习。

Adaptive Voxel-Weighted Loss Using L1 Norms in Deep Neural Networks for Detection and Segmentation of Prostate Cancer Lesions in PET/CT Images

基于L1范数的自适应体素加权损失在深度神经网络中用于PET/CT图像前列腺癌病灶检测与分割

Obed Korshie Dzikunu, Shadab Ahamed, Amirhossein Toosi, Xiaoxiao Li, Arman Rahmim

专题命中 医学影像 ：CT(title,abstract)；分类 cs.CV、eess.IV

AI总结 本文提出L1-weighted Dice Focal Loss，通过L1范数自适应加权样本，提升前列腺癌病灶在PET/CT图像中的检测与分割性能，实验表明其在Dice相似度系数、F1分数等指标上均优于传统损失函数。

Comments 29 pages, 7 figures, 1 table

One CT Unified Model Training Framework to Rule All Scanning Protocols

一种统一的CT模型训练框架以适用于所有扫描协议

Fengzhi Xu, Ziyuan Yang, Zexin Lu, Yingyu Chen, Fenglei Fan, Hongming Shan, Yi Zhang

机构 * Sichuan University（四川大学） ； City University of Hong Kong（香港城市大学） ； Fudan University（复旦大学） 纠错

专题命中 医学影像 ：CT(title,abstract)；分类 cs.CV

AI总结 本文提出UMS框架，通过不确定性引导的流形平滑方法，解决不同扫描协议下特征空间的断续问题，提升重建性能。

Super-resolution of 4D flow MRI through inverse problem explicit solving

通过逆问题显式求解实现4D血流MRI的超分辨率

Aurélien de Turenne, Rémi Cart-Lamy, Denis Kouamé

专题命中 医学影像 ：MRI(title,abstract)；分类 eess.IV

AI总结 本文提出基于复域逆问题显式求解的新方法，用于提升4D血流MRI的分辨率和去噪能力，无需大训练集或迭代优化，通过合成数据和物理仿真实验验证有效性。

Virtual Full-stack Scanning of Brain MRI via Imputing Any Quantised Code

通过填补任意量化代码实现脑部MRI的虚拟全栈扫描

Yicheng Wu, Tao Song, Zhonghua Wu, Jin Ye, Zongyuan Ge, Wenjia Bai, Zhaolin Chen, Jianfei Cai

专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV

AI总结 本文提出CodeBrain框架，通过区域级全栈代码预测解决MRI模态缺失问题，提升数据完整性和临床实用性。

Comments Accepted by CVPR 2026

Comparative Analysis of 3D Convolutional and 2.5D Slice-Conditioned U-Net Architectures for MRI Super-Resolution via Elucidated Diffusion Models

3D卷积与2.5D切片条件化U-Net架构在MRI超分辨率中的比较分析：通过阐明扩散模型

Hendrik Chiche, Ludovic Corcos, Logan Rouge

专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV

AI总结 本文比较了3D卷积U-Net与2.5D切片条件化U-Net架构，利用阐明扩散模型提升MRI超分辨率，3D模型在PSNR、SSIM和LPIPS指标上均优于基线模型。

CATFA-Net: A Trans-Convolutional Approach for Accurate Medical Image Segmentation

CATFA-Net：一种用于准确医学图像分割的跨卷积方法

Siddhartha Mallick, Aayushman Ghosh, Jayanta Paul, Jaya Sil

专题命中 医学影像 ：medical image(title,abstract)；分类 eess.IV

AI总结 CATFA-Net通过引入Context Addition Attention和Cross-Channel Attention机制，提升医学图像分割的准确性和效率，实现高效且鲁棒的二分类分割。

Comments 44 pages, 14 figures

How Do Medical MLLMs Fail? A Study on Visual Grounding in Medical Images

医学 MLLMs 如何失效？对医学图像中视觉语义关联的探讨

Guimeng Liu, Tianze Yu, Somayeh Ebrahimkhani, Lin Zhi Zheng Shawn, Kok Pin Ng, Ngai-Man Cheung

专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV

AI总结 本文研究了医学 MLLMs 在视觉关联上的不足，通过设计 VGMED 数据集和 VGRefine 方法，验证了其在医学图像任务中的性能瓶颈。

Comments Published as a conference paper at ICLR 2026

Toward Clinically Ready Foundation Models in Medical Image Analysis: Adaptation Mechanisms and Deployment Trade-offs

迈向医学影像分析中临床可用的基础模型：适应机制与部署权衡

Karma Phuntsho, Abdullah, Kyungmi Lee, Ickjai Lee, Euijoon Ahn

专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV

AI总结 本文探讨了医学影像分析中基础模型的适应机制与部署权衡，分析了不同适应策略对临床鲁棒性、校准和监管可行性的影响，为设计符合临床需求的基础模型系统提供指导。

Bootstrapped Physically-Primed Neural Networks for Robust T2 Distribution Estimation in Low-SNR Pancreatic MRI

基于Bootstrap的物理优先神经网络用于低信噪比胰腺MRI中鲁棒T2分布估计

Hadas Ben Atya, Nicole Abramenkov, Noa Mashiah, Luise Brock, Daphna Link Sourani, Ram Weiss, Moti Freiman

专题命中 医学影像 ：MRI(title,abstract)；分类 cs.LG

AI总结 本文提出一种基于Bootstrap的神经网络框架，用于在低信噪比胰腺MRI中鲁棒估计T2分布，通过随机重采样和多子集聚合预测，提升物理一致性与噪声鲁棒性。

Average Calibration Losses for Reliable Uncertainty in Medical Image Segmentation

医学图像分割中可靠不确定性的平均校准损失

Theodore Barfoot, Luis C. Garcia-Peraza-Herrera, Samet Akcay, Ben Glocker, Tom Vercauteren

专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV

AI总结 本文提出基于mL1-ACE的可微校准损失，通过硬/软分箱方法提升像素校准，实验显示其能有效降低校准误差并保持高Dice相似系数，同时引入数据集可靠性直方图分析校准与真实准确性的对齐。

Comments 15 pages, 6 figures, IEEE TMI submission. This version originally appeared in error as arXiv:2403.06759(v2)

CT-Conditioned Diffusion Prior with Physics-Constrained Sampling for PET Super-Resolution

带有物理约束采样的CT条件扩散先验用于PET超分辨率

Liutao Yang, Zi Wang, Peiyuan Jing, Xiaowen Wang, Javier A. Montoya-Zegarra, Kuangyu Shi, Daoqiang Zhang, Guang Yang

专题命中 医学影像 ：CT(title,abstract)；分类 cs.CV

AI总结 本文提出一种CT条件扩散框架，结合物理约束采样，解决PET超分辨率因缺乏配对多分辨率扫描数据而受限的问题，提升图像质量和临床相关性。

Opportunistic Cardiac Health Assessment: Estimating Phenotypes from Localizer MRI through Multi-Modal Representations

机会性心脏健康评估：通过多模态表示从局部定位MRI估计表型

Busra Nur Zeybek, Özgün Turgut, Yundi Zhang, Jiazhen Pan, Robert Graf, Sophie Starck, Daniel Rueckert, Sevgi Gokce Kafali

机构 * Chair for AI in Healthcare and Medicine, Technical University of Munich (TUM) and TUM University Hospital（人工智能在医疗与健康中的研究所，慕尼黑技术大学（TUM）和TUM大学医院） ； Department of Diagnostic and Interventional Neuroradiology, School of Medicine, TUM University Hospital（诊断与介入神经放射科，医学院，TUM大学医院） ； Department of Computing, Imperial College London（计算学院，伦敦帝国学院） ； Munich Center for Machine Learning (MCML), Germany（慕尼黑机器学习中心（MCML），德国） 纠错

专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV

AI总结 本文提出C-TRIP框架，通过融合局部定位MRI、ECG和表格数据，利用低成本信息预测心脏表型，提升心脏健康评估的可及性。

SAIF: A Stability-Aware Inference Framework for Medical Image Segmentation with Segment Anything Model

SAIF：一种面向医学图像分割的稳定性感知推理框架（基于Segment Anything模型）

Ke Wu, Shiqi Chen, Yiheng Zhong, Hengxian Liu, Yingxue Su, Yifang Wang, Junhao Jin, Guangyu Ren

机构 * Xi'an Jiaotong-Liverpool University, Suzhou, China（西安交通大学利物浦大学，中国苏州） ； University College London, London, United Kingdom（伦敦大学学院，英国伦敦） ； Anhui Jianzhu University, Hefei, China（安徽建筑大学，中国合肥） 纠错

专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV

AI总结 本文提出SAIF框架，通过建模提示和阈值不确定性提升医学图像分割的鲁棒性，实验表明其在多个数据集上均取得最优性能。

Comments 11 pages, 3 figures

Disentangling Prompt Dependence to Evaluate Segmentation Reliability in Gynecological MRI

解构提示依赖性以评估妇科MRI的分割可靠性

Elodie Germani, Krystel Nyangoh-Timoh, Pierre Jannin, John S H Baxter

机构 * Laboratoire Traitement du Signal et de l’Image (LTSI, INSERM UMR 1099), Université de Rennes, Rennes, France（信号与图像处理实验室（LTSI，INSERM UMR 1099），雷恩大学，法国雷恩） ； Centre Hospitalier Universitaire de Rennes (CHU Rennes), Rennes, France（雷恩大学医院（CHU Rennes），法国雷恩） 纠错

专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV

AI总结 本文通过分析分割模型对提示变化的敏感性，提出评估提示依赖性的新方法，揭示分割鲁棒性与性能的负相关关系。

OraPO: Oracle-educated Reinforcement Learning for Data-efficient and Factual Radiology Report Generation

OraPO：基于 oracle 的强化学习用于数据高效且事实准确的放射科报告生成

Zhuoxiao Chen, Hongyang Yu, Ying Xu, Yadan Luo, Long Duong, Yuan-Fang Li

机构 * Oracle Health & AI（Oracle健康与人工智能） 纠错

专题命中 医学影像 ：radiology(title,abstract)；分类 cs.CV

AI总结 OraPO 通过 FactScore 奖励机制提升放射科报告生成效率，在受限预算下实现 SOTA 性能，使用小规模 VLM 和适度硬件，在 CheXpert Plus 数据集上取得 0.341 的 F1 分数。

Comments Accepted to CVPR 2026

Effective Feature Learning for 3D Medical Registration via Domain-Specialized DINO Pretraining

通过领域专用DINO预训练实现有效的3D医学图像特征学习

Eytan Kats, Mattias P. Heinrich

专题命中 医学影像 ：medical image(abstract)；MRI(abstract)；CT(abstract)；分类 cs.CV

AI总结 本文通过领域专用DINO预训练学习3D医学图像密集体积分量特征，提升变形匹配性能，在跨患者腹部注册任务中优于自然图像预训练模型。

Comments Accepted for International Symposium on Biomedical Imaging 2026 (ISBI 2026)

Quantum Sensing MRI for Noninvasive Detection of Neuronal Electrical Activity in Human Brains

量子传感MRI用于非侵入性检测人类大脑神经元电信号

Yongxian Qian, Ying-Chia Lin, Seyedehsara Hejazi, Kamri Clarke, Kennedy Watson, Xingye Chen, Nahbila-Malikha Kumbella, Justin Quimbo, Abena Dinizulu, Simon Henin, Yulin Ge, Arjun Masurkar, Anli Liu, Yvonne W. Lui, Fernando E. Boada

专题命中 医学影像 ：MRI(title,abstract)

AI总结 本文提出量子传感MRI技术，利用临床MRI系统直接检测神经元活动引起的磁场，通过水分子中的质子自旋实现非侵入性神经电信号检测，为功能性成像提供新方法。

Comments 26 pages, 8 figures, 2 tables, and Supplementary Information

Bayesian Uncertainty-Aware MRI Reconstruction

贝叶斯不确定性感知MRI重建

Ahmed Karam Eldaly, Matteo Figini, Daniel C. Alexander

机构 * Department of Computer Science, University of Exeter, UK（埃克塞特大学计算机科学系，英国） ； UCL Hawkes Institute, Department of Computer Science, University College London, UK（伦敦大学学院霍克斯研究所，计算机科学系，英国） 纠错

专题命中 医学影像 ：MRI(title)；分类 cs.CV、eess.IV

AI总结 本文提出一种联合MRI重建与不确定性量化的新框架，利用欠采样k空间测量，通过贝叶斯线性逆问题方法，结合总变分先验模型和分裂增强吉布斯采样算法，实现参数联合后验分布采样，实验显示优于优化压缩感知算法，并有效量化不确定性。

A Computer-aided Framework for Detecting Osteosarcoma in Computed Tomography Scans

一种用于CT扫描中骨肉瘤检测的计算机辅助框架

Maximo Rodriguez-Herrero, Dante D. Sanchez-Gallegos, Marco Antonio Núñez-Gaona, Heriberto Aguirre-Meneses, Luis Alberto Villalvazo Gutiérrez, Mario Ibrahin Gutiérrez Velasco, J. L. Gonzalez-Compean, Jesus Carretero

机构 * Universidad Carlos III de Madrid, Departamento de Informática, ARCOS, Avenida de la Universidad, 30 (edificio Sabatini), 28911 Leganés (Madrid), España（卡洛斯三世大学马德里分校，信息学院，ARCOS，大学大道30号（萨巴蒂尼大楼），28911 Leganés（马德里），西班牙） ； Cinvestav Tamaulipas, Cd. Victoria, Tamaulipas, México（塔毛利帕斯大学，维克多城，塔毛利帕斯，墨西哥） 纠错

专题命中 医学影像 ：CT(abstract)；diagnosis(abstract)；分类 cs.CV、cs.LG

AI总结 本文提出一种基于CNN的框架，用于自动检测CT扫描中的骨肉瘤，通过预处理、检测、后处理和可视化提高诊断效率，实验显示AUC达94.8%。

Comments 12 pages, Presented at The 2nd workshop about High-Performance e-Science

ViX-Ray: A Vietnamese Chest X-Ray Dataset for Vision-Language Models

ViX-Ray: 一个用于视觉-语言模型的越南胸部X光数据集

Duy Vu Minh Nguyen, Chinh Thanh Truong, Phuc Hoang Tran, Hung Tuan Le, Nguyen Van-Thanh Dat, Trung Hieu Pham, Kiet Van Nguyen

专题命中 医学影像 ：diagnosis(abstract)；radiology(abstract)

AI总结 本文提出ViX-Ray数据集，包含5400张越南胸部X光图像，用于评估和推动视觉-语言模型在越南临床领域的应用，发现现有模型在印象生成上存在低精度和过度幻觉问题。

Refining 3D Medical Segmentation with Verbal Instruction

通过言语指令细化3D医学分割

Kangxian Xie, Jiancheng Yang, Nandor Pinter, Chao Wu, Behzad Bozorgtabar, Mingchen Gao

专题命中 医学影像 ：diagnosis(abstract)；分类 cs.CV、cs.LG

AI总结 本文提出CoWTalk基准和迭代细化模型，通过放射科医生的口头指令改进3D解剖分割，提升分割精度与鲁棒性。

WaRA: Wavelet Low Rank Adaptation

WaRA：小波低秩适应

Moein Heidari, Yijin Huang, Yasamin Medghalchi, Alireza Rafiee, Roger Tam, Ilker Hacihaliloglu

专题命中 医学影像 ：medical image(abstract)；分类 cs.CV、eess.IV

AI总结 本文提出WaRA，通过小波域进行低秩适应，提升医学图像分类性能，同时保持高效。

MGMAR: Metal-Guided Metal Artifact Reduction for X-ray Computed Tomography

MGMAR：基于金属引导的金属伪影减少用于X射线计算机断层扫描

Hyoung Suk Park, Kiwan Jeon

机构 * National Institute for Mathematical Sciences（数学科学研究院） 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.CV、eess.IV

AI总结 本文提出MGMAR方法，通过金属相关信息提升CT重建鲁棒性，利用隐式神经表示生成高质量先验图像，并结合归一化MAR框架完成投影补全，最终通过金属条件修正网络抑制残余伪影，实验显示在AAPM-MAR基准上取得最佳性能。

Comments 27 pages, 8 figures, 3 tables